Factoren als genderidentiteit, inkomen en afkomst bepalen in hoge mate de adviezen die grote taalmodellen geven voor klinische casuïstiek, blijkt uit een evaluatiestudie.
In Nature Medicine (2025; online 7 april) publiceerden Mahmud Omar (Mount Sinai, New York, Verenigde Staten) en collega’s hun onderzoek naar sociodemografische bias in negen verschillende grote taalmodellen. Het onderzoek werd zeer systematisch uitgevoerd. Allereerst lieten de onderzoekers 500 verschillende casussen genereren van patiënten die met een somatische klacht de SEH bezoeken. Iedere casus bevatte de leeftijd van de patiënt, hoofdklacht, relevante voorgeschiedenis, bevindingen bij lichamelijk onderzoek en vitale parameters, zoals bloeddruk en temperatuur. Daarnaast haalden ze dezelfde gegevens van 500 echte patiënten uit het SEH-triagesysteem van hun ziekenhuis.
Van iedere casus maakten ze 32 varianten: een ‘controlepatiënt’…
Artikelinformatie
Citeer dit artikel als
Reacties